组间/组内(I-MR-R/S)控制图

这篇具有很好参考价值的文章主要介绍了组间/组内(I-MR-R/S)控制图。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

常规控制图

1924年沃特·阿曼德·休哈特提出了控制图方法,这是一种基于统计显著性原则进行过程控制的图形工具。控制图理论用来区分两种变异

第一种是由“偶然原因”(也称“常见原因”“自然原因”随机原因”"固有原因”或“不可控原因”)引起的随机变异。这是由于有很多种始终存在且不易区分的原因会带来变异;而相对于整个变异,它们中的每一个都只是很小的一部分,并没有产生显著的影响。然而,所有这些无法确定的随机原因的贡献总和是可测量的,并假定是过程固有的。消除或纠正常见原因,可能需要资源分配决策﹐从根本上改变过程和系统。第二种变异代表该过程的真正变化。这种变化可归因于一些可识别的原因,这些原因不是生产过程所固有的,且至少在理论上是可以被消除的。这些可识别的原因被称为变异的“可查明原因”(也称特殊原因、非自然原因、系统性原因或可控原因)。它们可归因于材料缺乏一致性,破损的工具,工艺或程序不完善,设备的性能异常或者环境变化。

如果过程变异只源于随机原因,则称该过程处于统计控制状态,或简称“受控”。该变异水平一旦确定,与该水平的任何偏差都可视为要识别和消除的可查明原因导致的结果。以上内容可以参考GB/T 17989.2-2020

组间/组内(I-MR-R/S)控制图,数据分析,大数据

常规控制图使用前提

任何工具使用都有前提,要想使用常规控制图,也需要满足一定的前提,除了大家熟悉的正态、数据独立、MSA合格这些前提外,其实还有一个前提,那就是只能有单一的变异来源。什么叫常规控制图“只能有单一的变异来源”,如果不满足这个前提直接写常规控制图会出现什么后果呢?我们一起来看一个案例。

案例:为芯片镀膜的车间,在连续25天内,每天抽取5片芯片测量其镀膜厚度,测量结果见下表镀膜厚度数据,绘制控制图以判断生产是否正常。

组间/组内(I-MR-R/S)控制图,数据分析,大数据

带子组的控制图有两种绘制方法

方法一:种是先求出每组(本例是天)的均值,然后对均值绘制I-MR(单值-移动极差)控制图。

方法二:另一种是直接使用原始数据,绘制Xbar-R(均值-极差)控制图。

方法一:绘制I-MR图的方法是先求出子组均值,将其存入某列(本例是放在C5中),然后再绘制控制图。

组间/组内(I-MR-R/S)控制图,数据分析,大数据

组间/组内(I-MR-R/S)控制图,数据分析,大数据

方法二:直接用原始数据绘制Xbar-R(均值-极差)控制图。

组间/组内(I-MR-R/S)控制图,数据分析,大数据

组间/组内(I-MR-R/S)控制图,数据分析,大数据

首先我们可以看到,两种方法画控制图结论刚好相反,那么哪一种方法结果是对的呢?要想回答这个问题我们需要了解为什么结果会有差异?如果生产过程数据只有唯一的变异来源,所有数据的波动都来自随机误差的话,二者的估计应该大体相同。如果生产过程数据不只有唯一的变异来源,数据的波动一方面来自随机误差(根据合理子组的原理,组内差反映的就是随机误差),另一方面还来自组间可能有的波动,这样一来,用组间移动极差估计出来的标准差会比仅用组内差(不考虑组间差)估计出来的标准差大很多,这必将导致I-MR控制限会比Xbar-R控制限宽很多,因此才会使I-MR图判断认为过程均值正常,而Xbar-R图判断认为过程均值几乎点点都不正常。那如何判断收集到的数据中波动是否全部来自随机波动?

控制图变异源分析

我们可以用定性+定量的方法帮助评估变异来源。

定性方法-多变异图

组间/组内(I-MR-R/S)控制图,数据分析,大数据

组间/组内(I-MR-R/S)控制图,数据分析,大数据

组间/组内(I-MR-R/S)控制图,数据分析,大数据

组间/组内(I-MR-R/S)控制图,数据分析,大数据

从多变异图可以看出,各天内5个产品(组内变异)厚度的波动都不大,但天与天间(组间变异)的均值相差较大。

定量方法-一般线性模型

组间/组内(I-MR-R/S)控制图,数据分析,大数据

组间/组内(I-MR-R/S)控制图,数据分析,大数据

组间/组内(I-MR-R/S)控制图,数据分析,大数据

组间/组内(I-MR-R/S)控制图,数据分析,大数据

从计算结果可以看出,在数据中,组内差(误差)方差分量为902.900,只占总变异的5.54%。组间差(天)方差分量为15384.000,占总变异的94.46%。通常认为,随机误差的方差分量超过90%时,可以认为随机误差为唯一变异源。也就是说对于当前过程数据变异来源不唯一,不光有组内变异还有组间变异,那如果不能认为随机误差为唯一变异源,该如何进行过程统计控制?

组间/组内控制图

使用组间/组内( I-MR-R/S )控制图可以在每个子组属于不同部件或批次的情况下监视过程的均值以及子组间和子组内的变异。使用此控制图可以监视过程在一段时间内的稳定性,以便您可以标识和更正过程中的不稳定性。

组间/组内(I-MR-R/S)控制图,数据分析,大数据

组间/组内(I-MR-R/S)控制图,数据分析,大数据

组间/组内(I-MR-R/S)控制图,数据分析,大数据

从上图可以看出,I-MR-R/S控制图是由三张图组成的(以前最多只有两张图),其中,上图和中图其实就是方法一的两张图,下图其实就是方法二中下面那张组内极差控制图。读图时,先看组内极差控制图,如果没有异常,说明各组内的波动状况是正常的如果有异常,先要找到该组异常的原因。I-MR-R/S控制图中的组内极差控制图完全正常。在分析极差控制图后,再来看组间的单值-移动极差控制图,看图中是否有异常的组。I-MR-R/S控制图中的单值-移动极差控制图也是正常的。这说明,芯片镀膜生产过程厚度虽然有较严重的组间波动但总体上看还是稳定的。文章来源地址https://www.toymoban.com/news/detail-791188.html

到了这里,关于组间/组内(I-MR-R/S)控制图的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【数据库】树形数据组织架构下的封锁并发控制,B树索引并发访问控制,树协议原理及案例分析

    ​ 专栏内容 : 手写数据库toadb 本专栏主要介绍如何从零开发,开发的步骤,以及开发过程中的涉及的原理,遇到的问题等,让大家能跟上并且可以一起开发,让每个需要的人成为参与者。 本专栏会定期更新,对应的代码也会定期更新,每个阶段的代码会打上tag,方便阶段学

    2024年02月04日
    浏览(40)
  • Wireshark数据抓包分析之互联网控制报文协议_ICMP

            通过使用wireshark抓取的ICMP数据包对这个ICMP控制报文进行分析         1.ICMP协议概述:ICMP是Internet Control Message Protocol的缩写,即互联网控制报文协议。它是TCP/IP协议族的一个子协议,用于IP主机、路由器直接传递控制信息。控制信息是指网络通不通、主机是否可达、

    2024年02月11日
    浏览(42)
  • 探索MATLAB世界:掌握基础知识与实用技能(1. MATLAB环境与基本操作 2. 数据类型与变量 3. 条件与循环,1. 数据分析与统计 2. 图像处理与计算机视觉 3. 信号处理与控制系统)

    欢迎阅读本篇博客,我们将深入探讨MATLAB语言的基础知识与实用技能,旨在帮助初学者、初中级MATLAB程序员以及在校大学生系统地掌握这门强大的科学计算与数据可视化工具。 一、MATLAB的基础知识 1. MATLAB环境与基本操作 2. 数据类型与变量 3. 条件与循环 二、MATLAB的实用技能

    2024年03月12日
    浏览(59)
  • 【数据分析】:什么是数据分析?

    🌸个人主页:JoJo的数据分析历险记 📝个人介绍: 统计学top3 研究生 💌如果文章对你有帮助,欢迎✌ 关注 、👍 点赞 、✌ 收藏 、👍 订阅 专栏 ✨本文收录于【数据分析】本专栏介绍数据分析从入门到项目实战,包含 用户分析、留存分析、行业分析 等。本系列会坚持完成

    2024年02月11日
    浏览(48)
  • 数据分析:消费者数据分析

    作者:i阿极 作者简介:Python领域新星作者、多项比赛获奖者:博主个人首页 😊😊😊如果觉得文章不错或能帮助到你学习,可以点赞👍收藏📁评论📒+关注哦!👍👍👍 📜📜📜如果有小伙伴需要数据集和学习交流,文章下方有交流学习区!一起学习进步!💪 随着互联网

    2024年01月15日
    浏览(62)
  • 数据分析_数据分析思维(1)

    这篇文章具体的给大家介绍数据分析中最为核心的技术之一: 数据分析思维的相关内容。 作为新手数据分析师或数据运营, 在面对数据异常的时候, 好多小伙伴都会出现: “好像是A引起的”, “好像也和B渠道有关”, “也可能是竞争对手 C 做了竞争动作” 等主观臆测。面对数据

    2024年04月26日
    浏览(32)
  • 数据分析基础:数据可视化+数据分析报告

    数据分析是指通过对大量数据进行收集、整理、处理和分析,以发现其中的模式、趋势和关联,并从中提取有价值的信息和知识。 数据可视化和数据分析报告是数据分析过程中非常重要的两个环节,它们帮助将数据转化为易于理解和传达的形式,提供决策支持和洞察力。在接

    2024年02月07日
    浏览(51)
  • 【业务数据分析】——十大常用数据分析方法

    🤵‍♂️ 个人主页:@Lingxw_w的个人主页 ✍🏻作者简介:计算机科学与技术研究生在读 🐋 希望大家多多支持,我们一起进步!😄 如果文章对你有帮助的话, 欢迎评论 💬点赞👍🏻 收藏 📂加关注+  目录 一、数据分析方法 二、营销管理方法论 1、SWOT分析 2、PEST分析 3、

    2023年04月22日
    浏览(41)
  • 【数据分析】:数据分析三大思路及方法

    在上一篇博文【什么是数据分析】中,我们介绍了数据分析的基本概念、流程、方法。这篇文章我们来看看数据分析的基本思路以及常见的数据分析方法。在互联网分析中,基本遵循以下三个步骤: 找出问题 分析问题 解决问题 接下来,我们来看看如何进行一个完整的数据分

    2023年04月09日
    浏览(78)
  • 数据分析讲课笔记01:数据分析概述

    理解数据分析背景 :学生将能够阐述大数据时代对数据分析的影响,以及数据分析在商业决策、科研发现、产品优化等方面的重要作用。 掌握数据分析基本概念与分类 :学生应能清晰定义数据分析的概念,并能区分描述性数据分析(用于总结和解释数据集的特征)、探索性

    2024年02月01日
    浏览(52)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包